LSOD 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTLSOD 数据集数据集介绍、下载| 目标检测 |水平框原始图像✅VOC标签✅|COCO 标签✅|YOLO 标签✅全领域数据集目录链接计算机视觉数据集下载目录 | 涉及遥感️、多模态、海洋声呐、SAR、异常/缺陷️、医学、农业、日常场景等文章目录一、基本概述二、数据特点三、标签格式转换四、训练样例一、基本概述采集设备多波束前视声呐Forward‑Looking Sonar, FLS采集环境真实湖泊环境模拟水下长距离搜救探测场景探测距离覆盖3m、4m、5m、7m、10m、15m、30m、40m距离越远目标像素占比极低最低可达0.02%专门面向远距离小目标检测场景。样本总量5502张前视声呐灰度图像VOC/YOLO格式边界框标注。核心难点声呐斑点噪声、海底混响、远距离目标信号弱、目标像素占比极小弱信号‑强噪声耦合。开源地址https://github.com/Jelly0618/LSOD。二、数据特点距离维度丰富同目标在8种探测距离下成像可观察目标随距离增大的特征退化过程大量极小目标大量样本目标占图像面积远小于1%模拟水下远距离搜索真实水下噪声包含湖泊真实混响、声波衰减、斑点噪声非仿真合成数据标签格式VOCbounding box标签官方未划分训练测试集类别names:0: adult1: ship2: plane3: hook4: child三、标签格式转换LSOD 转换后的完整数据集文件夹内容包含COCO JSON、VOC XML、YOLO TXT三种主流标签其中COCO标签的分类为个人按照82随机分类 LSOD ├─ images │ └─ ️ *.jpg │ └─ ... ├─ train_val │ ├─ COCO │ │ ├─ instances_train.json │ │ └─ instances_val.json │ ├─ train │ └─ val ├─ VOC │ └─ *.xml │ └─ ... └─ YOLO └─ *.txt └─ ...文件夹释义images存放侧扫声呐原始图像jpg格式train_valCOCO格式标签文件夹子目录存放训练/验证集json标注文件instances_train.json训练集COCO标注instances_val.json验证集COCO标注train划分的训练集图像val划分的验证集图像VOCVOC‑XML格式标签每张图像对应一份.xml标注文件YOLOYOLO txt格式标签每张图像对应一份.txt归一化坐标标注四、训练样例以YOLO 水平框标签为例进行训练
实战：从数学原理到代码调优)
